申请/专利权人:华北水利水电大学
申请日:2022-09-07
公开(公告)日:2024-03-08
公开(公告)号:CN117668220A
主分类号:G06F16/35
分类号:G06F16/35;G06F40/30;G06N3/0455;G06N3/0895
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.02#实质审查的生效;2024.03.08#公开
摘要:本发明属于机器解答技术领域,具体涉及一种基于深度学习的机器解答方法。本发明将深度学习应用于机器解答的自动求解中来,对隐式特征金字塔推理网络模型进行改进,利用改进隐式特征金字塔推理网络模型进行自动求解,自动求解时需要依据从题目数据中抽取的直陈关系、发掘的隐含关系以及提取的问题数据的特征,充分利用了题目数据,实现了自动、快速求取出问题的答案,可以应用于解决数学题目和物理电路题目机器解答等实际问题,提升了机器解答的能力。
主权项:1.一种基于深度学习的机器解答方法,其特征在于,包括如下步骤:1获取题目数据,从题目数据中抽取出由题目数据直接得到的直陈关系的特征B1,…,Bn,发掘出解答题目数据所必需但题目数据中没有直接表述的隐含关系的特征P1,…,Pn,并提取出题目数据所包括的问题数据的特征Q;2将抽取出的直陈关系的特征B1,…,Bn、发掘出的隐含关系的特征P1,…,Pn以及提取的问题数据的特征Q,并输入至构建的改进隐式特征金字塔推理网络模型中,生成对题目数据的求解结果;其中,所述改进隐式特征金字塔推理网络模型用于首先将直陈关系的特征B1,…,Bn与相应的隐含关系的特征P1,…,Pn进行相加处理,并将相加处理后的结果经过非线性变换的隐函数,以得到均衡特征P1*,…,Pn*:Pi*=GθPi+Bi,i=1,2,…,n,Gθ表示非线性变换的多层转换器;进而将均衡特征P1*,…,Pn*、直陈关系的特征B1,…,Bn和题目中问题的特征Q输入到关系推理网络中进行推理求解,以生成求解结果RNA:其中,RN表示关系推理的复合函数,A表示求解答案的特征,Fφ表示关系推理网络中的多层转换器。
全文数据:
权利要求:
百度查询: 华北水利水电大学 一种基于深度学习的机器解答方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。